依赖注入与工厂

依赖注入（DI）的本意：依赖的创建和使用分离，通过外部传入。FastAPI 把 DI 做成了框架核心，理解它等于理解 FastAPI 的一半。工厂模式在 Python 里则简化为函数。

为什么需要 DI

# 反面: 内部自己创建, 耦合具体实现, 难测试
def handler():
    db = MySQLConnection()   # 换库要改代码, 测试要连真库

# 正面: 依赖从参数进来, 可替换
def handler(db: DBConnection):
    ...

收益：解耦（依赖抽象）、可测试（注入 mock）、可配置（换实现不改调用方）。

FastAPI 的 DI 核心

机制要点：

• Depends() 声明依赖，FastAPI 递归解析依赖树，自动注入参数
• 依赖可以是函数、类、可调用对象；返回值就是注入值
• yield 依赖：yield 前的代码在请求开始执行，yield 后在请求结束执行（清理数据库会话、关闭连接）
• 依赖可以依赖依赖（嵌套），形成依赖树，FastAPI 处理缓存和生命周期

依赖覆盖：测试杀手锏

app.dependency_overrides 在不改业务代码的情况下替换依赖，是 FastAPI 测试的根基：

def fake_db():
    yield MemoryDB()

app.dependency_overrides[get_db] = fake_db  # 测试里替换

with TestClient(app) as client:
    ...

不用 mock 框架，不用改代码，把“连数据库的依赖”换成“内存实现”即可。这体现了 DI 的核心价值：替换依赖而不动调用方。

工厂模式：函数即工厂

Python 的工厂不需要工厂类：

def make_client(env: str) -> Client:      # 简单工厂
    if env == "prod":
        return ProdClient()
    return DevClient()

make_prod = lambda: make_client("prod")   # 带参工厂: 闭包/partial 固化参数

• 简单工厂 = 一个函数，根据参数返回不同对象
• 工厂方法 = 函数内部多态创建（配 Protocol）
• 抽象工厂 = 返回一组相关对象的函数，业务中少见，别硬造

pydantic-settings

配置管理是 DI 的常见落点：

from pydantic_settings import BaseSettings

class Settings(BaseSettings):
    database_url: str
    debug: bool = False

@lru_cache
def get_settings() -> Settings:
    return Settings()   # 从环境变量/ .env 读取

• 配置即依赖：通过 Depends(get_settings) 注入到需要的地方，而不是到处 import
• @lru_cache 保证进程内只读一次（单例作用域，见单例篇）
• 环境变量自动映射，测试时改环境变量即可换配置

面试追问

1. DI 解决什么？ 依赖创建和使用分离。解耦、可测试（注入 mock）、可配置
2. FastAPI 怎么实现 DI？ Depends 声明依赖，框架递归解析依赖树自动注入。yield 依赖处理资源清理
3. dependency_overrides 干什么？ 测试时替换依赖，不改业务代码。FastAPI 测试的核心机制
4. Python 工厂怎么写？ 函数返回对象。带参工厂用闭包或 functools.partial，不需要工厂类
5. pydantic-settings 的作用？ 配置类从环境变量读取，lru_cache 保证单例，通过 Depends 注入。测试换环境变量即换配置